De drukbezette hoogleraar interactieve intelligentie is net terug uit Groot-Brittannië, morgen vliegt ze naar Finland. Toch maakt ze even tijd voor vragen over de arbeidsmarkt van de toekomst, voor een blik op 2035. “Waar het de komende jaren naartoe gaat? Dat is altijd een ingewikkelde vraag.” Ze steekt van wal: “Er zijn twee richtingen van AI: de kennistechnologische en de machinelearning waarover je de laatste tijd zoveel hoort. Machinelearning is gebaseerd op het leren uit grote volumes aan data, op grote lijnen, en het herkennen van de meest voorkomende connecties. Het afgelopen decennium zijn de zogeheten deep learning-algoritmes hierin erg goed geworden.”
Plantsoenendienst
En dat heeft consequenties voor de arbeidsmarkt. Jonker legt uit dat werk met veel data, veel herhaling en weinig verrassingen in de toekomst meer en meer door computers zal worden overgenomen. Volgens de Organisatie voor Economische samenwerking en Ontwikkeling (OESO) staan we aan de ‘vooravond van een AI-revolutie’, waarbij ongeveer 27 procent van de banen in de nabije toekomst mogelijk vervangen wordt door een computer. Met name in de bouw, agrarische sector, transport en industrie zullen banen verdwijnen. In het jaarlijkse rapport ‘Employment Outlook 2023’, dat in juli uitkwam, raadt de denktank lidstaten aan om de impact van AI vooral niet te onderschatten en met name laaggeschoolde werknemers te beschermen en beter voor te bereiden, met bijscholing bijvoorbeeld.
Jonker waarschuwt daarbij voor een te snelle onderverdeling in hoog- en laaggeschoold werk. “Niet alles wat in onze ogen eenvoudig werk is, is dat voor AI ook. Zo heeft een medewerker van de plantsoenendienst voortdurend te maken met wisselende omstandigheden. Elke struik, elk parkje is net weer anders. Dat vraagt dus telkens om interpretatie van de situatie en dat is nog erg ingewikkeld voor een machine, voor een robot.”
Over Catholijn
Catholijn Jonker (1967) studeerde informatica aan de Universiteit Utrecht. Na haar promotie- en post-doc-onderzoek werkte ze bijna tien jaar als universitair (hoofd)docent bij de Vrije Universiteit Amsterdam. In 2004 werd ze benoemd tot hoogleraar artificial intelligence/cognitive science aan de Radboud Universiteit in Nijmegen. Twee jaar later werd ze hoogleraar interactive intelligence aan de TU Delft. Daarnaast is Jonker sinds 2017 hoogleraar explainable artificial intelligence aan de Universiteit Leiden. De synergie tussen mens en technologie staat centraal in haar werk. ‘Met machines, meer mens’, aldus Jonker.
Empathisch vermogen
Soms klinken hooggespannen verwachtingen over robotisering. Jonker nuanceert: “Ik was pas nog op de World Summit AI – een topconferentie in dit vakgebied – en daar ging het uiteraard ook over robots. De actuele stand van zaken in een notendop: het is mogelijk om een robot te leren een specifieke deur te openen, maar het is lastig voor een robot om álle deuren te kunnen openen, deuren die net wat anders zijn of anders opendraaien. Tegelijkertijd zijn er andere – voor mensen veel moeilijkere vaardigheden – die machines veel beter kunnen. Neem rekenen, daarin is de computer veel beter dan wij. Rekenwerk leent zich er bij uitstek voor om te automatiseren.”
Onder invloed van machinelearning en snelle digitalisering gaat de arbeidsmarkt de komende jaren zeker veranderen – zoveel is duidelijk. Zo verwachten experts dat taken van belastingadviseurs, financieel-analisten, schrijvers en webdesigners op termijn kunnen worden overgenomen door AI. Maar het idee dat AI allerlei menselijke taken gaat overnemen, is achterhaald, zegt Jonker. “Denk maar aan vaardigheden die vragen om maatwerk, creativiteit en empathisch vermogen. De uitdaging van de toekomst wordt om machine en mens goed te laten samenwerken.”
Menselijke check blijft nodig
Ze geeft een voorbeeld. Algoritmes kunnen veel data verwerken, maar wanneer er sprake is van de interpretatie van informatie, bijvoorbeeld van wetten, dan blijft een menselijke check noodzakelijk. “Bij de kinderopvangtoeslagaffaire ontbrak die check: wordt hier wel het juiste gedaan? Vraagstukken die een situationele interpretatie vereisen, kunnen we niet overlaten aan machines. Daarom moeten we de machinerie zo instellen dat de medewerkers gemotiveerd blijven om deze checks goed uit te voeren.
We moeten autonome systemen verantwoord ontwerpen door betekenisvolle menselijke controle te behouden, daar zijn we ons steeds meer bewust van. Dat noemen we meaningful human control.” De afgelopen jaren is aan de TU Delft veel onderzoek gedaan naar deze menselijke controle op autonome systemen, zoals zelfrijdende auto’s. Jonker is ook een van de oprichters van het Delftse Design for Values Instituut, specifiek gericht op de ethische vraagstukken die alle nieuwe technologische ontwikkelingen oproepen.
Blokkendoos
Jonker staat op en zet verrassend genoeg een doos met houten blokjes op tafel en vouwt een zwart kleed open. Niet bepaald de hulpmiddelen die je bij een professor kunstmatige intelligentie zou verwachten. “Met deze blokjes krijg je een ander gesprek”, zegt ze. “Niet iedereen is heel talig of kan zich goed uitdrukken.” Ze zet een paar blokjes neer. “Kijk, dit blokje is een job op kantoor, dit blokje staat voor werk in de buitenlucht en hier ben je vooral met mensen bezig. Waar zou jij jezelf positioneren?”
In het systeem waaraan de hoogleraar met haar team werkt, wordt dit gesprek – ‘uiteraard met allerlei privacywaarborgen’ – gefilmd, gecategoriseerd door de computer en aangevuld met informatie die de medewerker later invoert. “Daar rolt dan vervolgens een traject op maat uit voor deze werkzoekende. Misschien is er nog een cursus of training nodig? Een volgende stap kan zijn om deze persoon, weer met blokjes, te laten aangeven wat die zelf kan – met een glad, halfrond blokje – en waar hulp bij nodig is – met een scherp blokje.
Het mooie is dat iedereen de aard van de blokken automatisch aanvoelt en begrijpt. Door met behulp van AI de keuze en ligging van de blokjes te vertalen naar een tekst, wordt de adviseur geholpen bij de verslaglegging van de wensen en hulpvraag van de burger. Op deze manier kunnen we zowel beter aansluiten bij de inwoners, als de adviseur beter ondersteunen. De uitkomst is kwalitatief hoger, waardoor mensen duurzaam uitstromen.”
Dit is alles is geen verre toekomstmuziek. Jonker, haar collega’s en Wendy Aartsen van het Leidse adviesbureau Hands4Grants, voeren al gesprekken met het Juridisch Loket en met de gemeente Deventer bespreken ze de mogelijkheden voor een pilot. “Natuurlijk zijn er nog veel andere toepassingen in het sociaal domein denkbaar en kan het zwarte kleed later worden omgevormd tot een digitaal bord, met bijvoorbeeld fiches in verschillende vormen. Maar de doelen blijven wel dat goede gesprek, meer maatwerk en betere dienstverlening. We moeten los van de gedachte dat alles digitaal moet.”
Spagaat
Veel mensen hebben moeite met de vergaande digitalisering in de samenleving. “Niet iedereen vindt het fijn om naar een scherm te kijken en daar informatie vandaan te halen. Wanneer we maatwerk willen bieden, moeten we aansluiten bij de manier van informatie verwerken die bij mensen past.” Daarom pleit Jonker voor nauwere samenwerking met psychologen, communicatiewetenschappers en de ‘mensen van de AI’. “Ik zie gelukkig veel belangstelling, ook bij de rijksoverheid en gemeenten. Enerzijds is al die innovatie best beangstigend, anderzijds is er een grote behoefte.”
Die twee houdingen komen ook naar voren in de trendanalyse ‘AI en Algoritme’ van de VNG, die in september werd gepubliceerd. Hierin wordt gewaarschuwd voor de grote hype rondom AI, waarbij allerlei marktpartijen inspelen op de zogeheten fear of missing out van zowel publieke als private organisaties. De VNG roept gemeenten op het hoofd koel te houden en adviseert om richting de samenleving in te zetten op AI-wijsheid. ‘Dit kunnen gemeenten onder meer doen door meer openheid te geven over het eigen gebruik van AI en het bestuurlijke, politieke en maatschappelijke gesprek hierover te voeren.’
Jonker ziet de spagaat van de samenleving als het gaat om AI. “Er is veel angst voor de gevolgen van vreemde algoritmes. Maar ik denk dat we met ons onderzoek ook heel goed die andere kant kunnen laten zien: dat we machines vooral moeten laten doen wat ze goed kunnen – en mensen ook. Op die manier kunnen we ervoor zorgen dat niet machines en systemen, maar mensen leidend zijn.”
